華為Ascend 910C系統多項指標超越Nvidia H100 中國AI硬件實力大爆發
華為Ascend 910C AI晶片系統橫掃Nvidia H100 中國AI硬件實力大突破
華為早前才宣布大規模出貨Ascend 910C AI晶片，填補Nvidia在中國市場的空缺，短短一星期後，華為又有重大突破。據半導體分析機構SemiAnalysis最新分析，華為以Ascend 910C晶片為核心的CloudMatrix 384系統，已在多個關鍵指標上領先Nvidia最新的GB200 NVL72機架系統（該系統以H100 GPU為主力），令全球AI硬件競賽再度升溫。
Nvidia今年初推出的GB200 NVL72，是72顆Blackwell GPU加上36顆Grace CPU的龐大組合，號稱AI運算速度提升30倍，能源效益提升25倍，特別針對大型語言模型推理等高負載工作。
中國AI系統能力首次全面超車Nvidia
SemiAnalysis在4月16日披露，華為CloudMatrix 384系統不僅速度超越Nvidia GB200 NVL72，更標誌著中美科技戰格局的重大轉變。
> 「完整CloudMatrix系統現可提供300 PFLOPs的密集BF16運算力，幾乎是GB200 NVL72的兩倍。記憶體總容量高出3.6倍，頻寬高出2.1倍。華為和中國現在擁有可超越Nvidia的AI系統能力。」——SemiAnalysis
值得留意，雖然Ascend晶片可於中芯國際（SMIC）生產，但整體供應鏈仍高度依賴全球，包括來自韓國的HBM記憶體、台積電的晶圓、以及美國、荷蘭、日本的晶片製造設備。SemiAnalysis認為，美國若要遏制中國AI進展，應針對這些供應鏈漏洞加強管控。
華為雖然在晶片製程上落後一代，但在系統層面的設計策略已領先Nvidia及AMD。CloudMatrix 384以全光網絡串聯384顆Ascend 910C，雖然單顆效能僅及Nvidia Blackwell GPU約三分一，但靠規模優勢（多出五倍晶片）成功彌補。
華為下一擊：Ascend 910D即將登場
就在華為CloudMatrix 384表現曝光之際，《華爾街日報》報道華為正準備測試新一代Ascend 910D晶片，劍指Nvidia H100。華為已邀請多間中國科技公司試用，預計5月底有初步樣品，隨即量產，明顯是要打造本土替代方案，填補美國出口管制後的空白。
不過，CNBC在4月28日一度誤將CloudMatrix 384的突破歸功於910D晶片，SemiAnalysis已即時澄清，現時的領先其實來自已量產、並在字節跳動等企業實際運作的910C。
CloudMatrix 384 vs GB200 NVL72 數據對決
CloudMatrix 384並非單靠強勁晶片，而是整套針對兆參數AI模型訓練與推理的系統。當SemiAnalysis將其與Nvidia GB200 NVL72對比，優勢一目了然：
– 運算力：BF16效能達300 petaFLOPs，約為GB200 NVL72的兩倍（後者約150 petaFLOPs）
– 記憶體容量：49.2TB HBM，為GB200的3.6倍（13.8TB HBM3e）
– 記憶體頻寬：1229TB/s，為GB200的2倍多（576TB/s）
這些提升對AI訓練及推理至關重要，意味著科學研究、自動駕駛、生成式AI等領域將有更快迭代。值得一提，CloudMatrix 384能超越GB200 NVL72，自然也能壓倒H100系統（如Nvidia DGX H100，僅8顆H100，16 petaFLOPs）。
但華為也有明顯短板：CloudMatrix 384耗電量是GB200 NVL72的3.9倍，效能每瓦更差2.3倍。換言之，華為靠「蠻力」勝出，Nvidia則在能效上佔優，對大型數據中心來說仍極具吸引力。
晶片型號混亂釐清
由於華為突破消息來得突然，外界一度混淆型號。CNBC曾錯將領先歸功於Ascend 910D，但事實上910D仍在測試，真正帶來突破的是910C。單顆晶片比較，Nvidia H100依然強於910C（H100 FP8效能4 petaFLOPs，頻寬3.35TB/s；910C FP16效能2.4 petaFLOPs，約為H100的六成）。華為的優勢來自系統規模與高速光網絡連接，單靠910C本身並無優勢。
制裁下的突圍
華為的成功不只是技術突破，更是制裁下的生存與創新。自2019年被美國列入黑名單後，華為無法直接取得台積電先進製程和高端記憶體，但透過第三方（如Sophgo）間接用上台積電7nm製程，並以中間商取得三星HBM2E記憶體（雖然落後Nvidia兩代）。與此同時，美國對Nvidia出口中國的限制愈收愈緊，連降級版H20都被禁，Nvidia估計因此損失55億美元。
華為則乘勢而上，計劃2025年出貨約100萬顆910C晶片，滿足中國爆炸性AI需求。消息一出，Nvidia股價即跌2%，投資者對這場科技戰極為敏感。
華為仍面對三大難關
即使華為在效能上大幅領先，未來仍有三大挑戰：
– 電力消耗極高，數據中心運營成本大增
– 晶片製程仍用7nm，記憶體落後兩代，技術差距明顯
– 軟件生態遠遜Nvidia CUDA，AI開發者習慣難以轉移
Ascend 910D會否扭轉單顆效能劣勢，仍待觀察。但現階段，華為靠910C與CloudMatrix 384的系統設計，已成Nvidia最強勁對手。
這場戰爭已不只是拼晶片，而是比誰能建構更大規模、更高效能、更能適應地緣政治壓力的AI系統。
編輯評論：中美AI硬件戰進入新階段 「蠻力」vs「效率」的選擇題
華為CloudMatrix 384的橫空出世，標誌著中國AI硬件已不再只是追趕，而是開始在某些系統層面主動出擊。華為用「堆積木」式的系統工程，硬生生靠規模壓倒了Nvidia的單晶片性能優勢，這種策略對於被科技封鎖的中國來說，是極具啟發性的突圍之道。
但這種「蠻力」模式是否可持續？高達3.9倍的能耗，對中國本已緊張的能源結構來說，會否成為發展AI產業的最大瓶頸？而華為的軟件生態、開發者社群能否追上CUDA，這些都將直接影響中國AI產業的全球競爭力。
更深層的問題是，這場中美AI硬件戰，已經從「技術領先」變成「供應鏈博弈」——誰能在全球供應鏈碎片化的情況下，保持產品迭代和規模優勢，誰就能在新一輪AI革命中站穩腳步。華為的做法，或許為其他被制裁國家提供了一條「系統整合」的生存路徑，但這條路能走多遠，還要看中國能否在基礎科研、軟件生態、能源結構等多方面同步突破。
對香港及亞洲科技圈來說，這是一個值得深思的信號：未來的AI硬件霸權，或許不再是單一公司、單一國家的專利，而是全球供應鏈、系統工程與政策博弈的綜合體。你又如何看待這場「蠻力」與「效率」之爭？
🎨 Nano Banana Pro 圖像生成器｜打幾句說話就出圖
想畫人像、產品圖、插畫？SSFuture 圖像生成器支援 Flux 同 Gemini Nano Banana Pro 改圖 / 合成， 打廣東話都得，仲可以沿用上一張圖繼續微調。
